惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

雷峰网
雷峰网
宝玉的分享
宝玉的分享
I
InfoQ
P
Privacy International News Feed
V
V2EX
IT之家
IT之家
S
SegmentFault 最新的问题
D
Darknet – Hacking Tools, Hacker News & Cyber Security
V2EX - 技术
V2EX - 技术
C
CERT Recently Published Vulnerability Notes
C
Check Point Blog
The Register - Security
The Register - Security
爱范儿
爱范儿
博客园 - 三生石上(FineUI控件)
AWS News Blog
AWS News Blog
M
MIT News - Artificial intelligence
C
Cyber Attacks, Cyber Crime and Cyber Security
F
Fortinet All Blogs
B
Blog
N
Netflix TechBlog - Medium
B
Blog RSS Feed
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Last Week in AI
Last Week in AI
T
Threatpost
Forbes - Security
Forbes - Security
U
Unit 42
A
Arctic Wolf
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
P
Palo Alto Networks Blog
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Recorded Future
Recorded Future
L
Lohrmann on Cybersecurity
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
P
Proofpoint News Feed
月光博客
月光博客
Spread Privacy
Spread Privacy
MongoDB | Blog
MongoDB | Blog
Jina AI
Jina AI
I
Intezer
V
Visual Studio Blog
阮一峰的网络日志
阮一峰的网络日志
The Hacker News
The Hacker News
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
L
LangChain Blog
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
博客园_首页
MyScale Blog
MyScale Blog
腾讯CDC
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
量子位

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Эволюция мышления ИИ: от Берлиоза к Воланду и Достоевскому
tarasov5858 · 2026-04-26 · via Все публикации подряд на Хабре

Эволюция мышления ИИ: от Берлиоза к Воланду и Достоевскому

Уровень сложностиПростой

Время на прочтение4 мин

Охват и читатели71

Мнение

Recovery Mode

В настоящее время нейросети в целом ряде областей гуманитарного знания обладают обширным интеллектом, хотя и на уровне персонажа романа «Мастер и Маргарита» Берлиоза. Но буквально через несколько лет способности ИИ могут приблизиться к способу мышления, продемонстрированного другим персонажем романа – Воландом, а затем и реального писателя – Федора Михайловича Достоевского.

За последние несколько лет искусственный интеллект сделал стремительный рывок и значительно поумнел по сравнению с чат-ботами, которые могли только отвечать на вопросы. Теперь они могут анализировать данные, решать некоторые задачи, самостоятельно принимать решения и обучаться. Тем не менее, разумность нейросетей еще довольно ограничена. В частности, не решена проблема создания ответственного ИИ – такого, который не будет допускать умышленное или неумышленное нанесение вреда человеку.

Определить, является ли ИИ ответственным и наносит вред или нет, довольно сложно. К тому же видов возможного вреда довольно много. Из них можно выделить один, неумышленный, связанный с неумением нейросети определять то, что может нанести вред человеку и предупреждать об этом. Подобная «безответственность» существует и в мире людей, более того, имеются и способы борьбы с нею.

Нынешние нейросети мыслят на уровне главы МАССАЛИТа Берлиоза

Современные версии ИИ используют способ мышления, который был присущ герою романа Михаила Афанасьевича Булгакова «Мастер и Маргарита» – главе МАССАЛИТа и редактору какого-то журнала Михаилу Александровичу Берлиозу, человеку, как сказано в книге, очень образованному.

Булгаков указал, что редактор был человеком начитанным, обнаруживая солидную эрудицию и знал много интересного и полезного. Такая характеристика полностью подходит для современных систем ИИ. Они демонстрируют энциклопедическое знание, а некоторые даже указывают на ошибочные и правильные мнения (с их точки зрения).

Таким же типичными для современного ИИ были и рассуждения Берлиоза по поводу смертности людей и возможности предсказания смерти. Когда Воланд заметил, что человек иногда внезапно смертен, и «вообще не может сказать, что он будет делать в сегодняшний вечер», Берлиоз решил возразить. Он сказал, «… здесь уж есть преувеличение. Сегодняшний вечер мне известен более или менее точно. Само собой разумеется, что, если на Бронной мне свалится на голову кирпич …».

Таким образом, Берлиоз не учел существование некоторых скрытых для него процессов, которые влияли на его будущее. Он собирался зайти к себе домой на Садовую, а в десять часов вечера – председательствовать на заседании МАССАЛИТа. В то же время, он теоретически признавал возможность наличия явлений, которые могут помешать этому, в частности, падение кирпича.

Воланд размышлял по-другому. Из всего множества возможных вариантов развития событий тем вечером (типа падения кирпича) он выделил только те, которые соответствуют фактически происходящим событиям. Он, в частности, сказал, что «Кирпич ни с того ни с сего … никому и никогда на голову не свалится. В частности же, уверяю вас, вам он ни в коем случае не угрожает. Вы умрете другой смертью. … Аннушка уже купила подсолнечное масло, и не только купила, но даже разлила. Так что заседание не состоится».

Таким образом, способ мышления Воланда заключается не просто в отборе различных мнений и отсеве фактических ошибок и неуклюжих формулировки по никому неизвестным критериям (как это делают продвинутые современные модели ИИ), а в отборе того, что действительно существует. Как это он сделал, правда, осталось неясным. Как бы это не было, тем самым решил проблему предвзятости ИИ.

Но это еще не самый продвинутый способ мышления. Воланд не убедил Берлиоза в том, что его предупреждение является правдой, то есть проблему объяснимости ИИ он не решил, да, собственно, и не пытался.

Берлиоз не поверил Воланду. А вот читатель книги верит, так как он изначально понимает, что по замыслу Булгакова Воланд – это настоящий Дьявол, и он вполне мог присутствовать на встрече Иисуса Христа с Понтием Пилатом и знать про Аннушку.

Мышление по Достоевскому – объяснимое и ответственное

Конечно, вся эта история неправда, художественный вымысел Булгакова, но по законам жанра – это правда. И в рассматриваемом случае важно именно это. То есть читатель имеет возможность оценить достоверность высказываний Воланда в рамках сюжета книги, получив информацию о том, кто он такой, и доступом к какой информации обладает. Это уже следующий уровень мышления, на котором используется информация, позволяющая оценить обоснованность решения ИИ.

Подобный способ мышления, включающий одновременно и способ Воланда (опоры на факты) и Булгакова (объяснение хода мышления Воланда и правдивости его утверждений) использовал Федор Михайлович Достоевский.

В январском выпуске Дневника писателя за 1877 год он отметил, что «огромная часть русского строя жизни осталась вовсе без наблюдения и без историка», и задал риторический вопрос: «У нас есть бесспорно жизнь разлагающаяся …. Но есть, необходимо, и жизнь вновь складывающаяся, на новых уже началах. Кто их подметит, и кто их укажет? Кто хоть чуть-чуть может определить и выразить законы и этого разложения, и нового созидания?».

Как видим, замысел у Достоевского был намного глобальнее, чем у Воланда, всего-то хотевшего узнать будущее Берлиоза, которое находилась без наблюдения последнего, хотя его непосредственно касалось. Подобным образом (как Берлиоз) действовало общество в целом в эпоху Достоевского, так же оно поступает и сейчас: есть множество процессов в обществе, которые находятся как бы в некой серой зоне, и которые не принято обсуждать и рассматривать.

Несколько таких частей русского строя жизни, которые затрагивал Достоевский в своем Дневнике, а также в художественных произведениях, и которые до сих пор в общественном сознании в России практически не рассматриваются, описаны в первом выпуске Продолжения Дневника за 2026 год «О чем бы писал Достоевский в современной России?». В частности, это существование в обществе такого явления, которое американский экономист Джон Гэлбрейт назвал расхожей мудростью. Оно состоит в том, что люди часто предпочитают придерживаться не истинных представлений об обществе, а тех, которые предпочтительнее для них, не думая о вреде, который тем самым наносят и обществу, и им самим. Как это делал Берлиоз. Достоевский и Гэлбрейт стремились избежать подобной безответственности.

У Достоевского имеется множество других правил, которые стоит перенять ИИ, о чем написано во втором выпуске Продолжения «Чему искусственный интеллект может научиться у Достоевского?» Современному ИИ эти знания пока недоступны, что отчасти и приводит к его безответственности, но рано или поздно его «учителя» поймут, как сделать ИИ умнее, и научат его думать не только как Берлиоз, но и как Воланд, а затем и Достоевский.

Владимир Федорович Тарасов.